李海華 陳 利

（華中科技大學(xué)文華學(xué)院機電學(xué)部，湖北武漢 430074）

隨著工業(yè)技術(shù)的高速發(fā)展，在工業(yè)、航空航天和軍事等高科技領(lǐng)域的大型復(fù)雜構(gòu)件的加工中，對加工和裝配精度的要求越來越高。尤其是在孔類工件的加工過程中，由于銑刀對中不夠準確，或者刀具伸出太長后剛性變差，以及機床的誤差等因素，都會帶來加工誤差。而尺寸的設(shè)計和加工精度直接影響裝配精度與設(shè)備的穩(wěn)定性。所以，對孔類工件內(nèi)徑進行精確的檢測具有重要意義。

長期以來，人們對孔類工件內(nèi)徑的精確測量和評定作了大量的工作，提出了許多方法［1－3］。但多數(shù)廠家仍然采用的是傳統(tǒng)的測量方法，不僅效率低、精度低，而且受人為因素影響較大。本文借助攝像機和計算機對工件進行實時圖像采集，再對圖像中的像素進行分析計算，提出了一種質(zhì)心算法，可以對孔類工件進行實時、快速、高精度的在線測量。

1 測量原理

如圖1所示，該測量系統(tǒng)由計算機、圖像采集卡、攝像系統(tǒng)和驅(qū)動控制系統(tǒng)等部分組成。圖像采集卡和運動控制卡安裝在計算機內(nèi)部，分別與攝像頭和伺服電動機進行數(shù)據(jù)交換。攝像頭豎直安裝在傳送帶的正上方，其光軸垂直于傳送帶所在平面，被測工件水平放置在傳送帶上。為了獲取清晰的工件圖像，采用LED環(huán)形光源照明，讓工件均勻受光，并使攝像頭和環(huán)形光源的軸心盡可能通過工件中心。這樣，工件正好成像在攝像頭的中心，拍攝的圖像不僅變形小、沒有陰影，而且質(zhì)量較高。

工作過程中，計算機通過運動控制卡驅(qū)動伺服電動機，對傳送帶的運行狀態(tài)進行精確控制，確保被測工件依次移動到攝像頭的正下方。在光源的照射下，攝像頭可以清晰地采集到被測工件的輪廓信息，并將視頻信號輸出到圖像采集卡，圖像采集卡再將其轉(zhuǎn)換成數(shù)字圖像，送給計算機。計算機對采集到的圖像進行一系列計算，即可判斷該工件是否滿足設(shè)計要求。若被測參數(shù)滿足精度要求，則保留在傳送帶上，繼續(xù)檢測下一個工件;否則，計算機通過運動控制卡發(fā)出指令，將不合格的工件剔出傳送帶。同時，計算機還可以將采集到的圖像和檢測結(jié)果進行存儲，并在顯示器上進行實時顯示。

2 圖像的采集、處理與分析

圖像技術(shù)主要是利用計算機和其他電子設(shè)備所完成的一系列工作，根據(jù)其特點可分為圖像采集、圖像處理、圖像分析和圖像理解。

2．1 圖像采集

圖像采集是視覺檢測系統(tǒng)的首要環(huán)節(jié)，采集到的圖像質(zhì)量好壞直接影響到后續(xù)圖像處理的精度。一幅圖像通常用二維數(shù)組f（x，y）來表示，x和y是像素點（x，y）在XY平面中的坐標，f則代表該像素點的亮度值［4］。將被測工件水平放置在二維工作臺上，確保光軸垂直穿過工件的軸心，調(diào)節(jié)攝像機直到獲取最清晰的圖像，如圖2所示。

2．2 圖像處理

在對內(nèi)徑進行測量時，感興趣的是圖像中位于孔內(nèi)部的圓形區(qū)域，為了減小計算量，提高速度，需要對圖像進行分割。圖像分割是把圖像分成各具特性的區(qū)域并提取出感興趣目標的過程，它是從圖像處理進入到圖像分析環(huán)節(jié)的關(guān)鍵步驟。本文對圖2進行濾波和閾值分割處理后得到的圖像如圖3所示。

圖像處理是在圖像的像素層次上進行處理，而圖像分析則是利用分割和特征提取把原圖像中感興趣的區(qū)域轉(zhuǎn)變成較簡潔的目標來進行描述。

2．3 Roberts邊緣檢測

圖像邊緣是圖像局部特性不連續(xù)的反映，包括灰度突變、顏色變化以及紋理結(jié)構(gòu)突變等。兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣檢測的方法有很多種，通常用求一階導(dǎo)數(shù)或二階導(dǎo)數(shù)來進行檢測。本文采用傳統(tǒng)的計算速度較快的羅伯特（Roberts）交叉算子［5］來進行邊緣檢測，既可以提高計算效率，又能滿足精度的要求。

對于連續(xù)函數(shù)f（x，y），它在（x，y）點處的梯度可用矢量來表示，矢量的兩個分量分別是沿X和Y方向的一階導(dǎo)數(shù)，即

該矢量的梯度為

以上各式中的偏導(dǎo)數(shù)須對每個像素點進行計算，在實際中常用小區(qū)域模板卷積來計算。對于Gx和Gy需要各用一個模板，組合起來構(gòu)成梯度算子。Roberts邊緣檢測算子度量了對角方向相鄰兩像素之間的灰度變化。選取適當?shù)拈撝礣，若mag（▽f）＞T，則（x，y）為邊緣點。圖3經(jīng)過Roberts算子檢測出的邊緣效果如圖4所示。

3 區(qū)域質(zhì)心算法

3．1 區(qū)域質(zhì)心的確定

在圖4中，內(nèi)孔輪廓所圍成的圓形區(qū)域面積的大小及其質(zhì)心位置決定了孔徑的加工精度。將該圓形區(qū)域記為A，圖像中任一像素點的坐標為（x，y），若把每個像素點都看成質(zhì)點，像素點的坐標作為力臂，則可借助力矩的概念來計算質(zhì)心。規(guī)定位于區(qū)域內(nèi)部的像素點質(zhì)量為1，區(qū)域外部的像素點質(zhì)量為0，則有

所以，零階矩為

一階矩為

根據(jù)零階矩和一階矩可得，區(qū)域質(zhì)心（X0，Y0）的坐標值分別為

從而，根據(jù)該坐標值可以在圖像中對質(zhì)心加以標記，或者以亮點的形式顯示出來。但僅根據(jù)質(zhì)心的位置分布是不足以判斷工件質(zhì)量好壞的，還必須考慮到內(nèi)孔輪廓上各點對所求質(zhì)心的力矩大小。

3．2 誤差的判別

為了確定輪廓邊緣上各像素點與質(zhì)心的相對位置關(guān)系，設(shè)圖像輪廓上有N個像素點，且第n個像素點的坐標為（Xn，Yn），它與質(zhì)心之間的歐氏距離為

該距離的大小可記為輪廓上第n個像素點的力矩大小。設(shè)內(nèi)孔輪廓上所有像素點的質(zhì)量均為1個單位，且作用方向垂直于該點到質(zhì)心的連線。則第n個像素點對質(zhì)心（X0，Y0）的力矩為

所以，該輪廓上所有像素點對質(zhì)心的復(fù)合力矩為

最后，將復(fù)合力矩∑T與預(yù)先設(shè)定的最大絕對閾值Tmax進行比較，若∑T≤Tmax，則加工精度滿足要求，否則作為廢品處理。

4 結(jié)語

本文選用了DH－HV1300FM型數(shù)字攝像機、MCP814b型運動控制卡、MSDA013A1A型驅(qū)動器和MSMAO12A1C型交流伺服電動機組成了測量系統(tǒng)。利用Visual C++6．0環(huán)境編寫軟件，進行了測量實驗研究。測量時，先根據(jù)所設(shè)計工件的尺寸要求，計算出內(nèi)部圓形區(qū)域面積的大小，將其作為判斷標準。然后，計算機采集清晰的圖像，按上述圖像處理算法，對圖像進行輪廓提取，并分別根據(jù)式（2）和式（5）計算出中間圓形區(qū)域的質(zhì)心坐標以及輪廓上所有像素點對質(zhì)心的復(fù)合力矩，最后，運用上述判別準則將所得復(fù)合力矩的大小與標準閾值進行比較，即可得出工件的誤差大小，從而判斷工件是否合格。測量結(jié)果可以實時顯示，也可以自動進行存儲。

該檢測方法將圖像技術(shù)用于孔類零件的尺寸檢測中，通過圖像輪廓上各像素點相對質(zhì)心力矩的大小來進行判斷，是一種非接觸式測量。測量過程中，需要對視覺系統(tǒng)進行調(diào)整和標定，并根據(jù)不同的精度要求設(shè)置相應(yīng)的閾值參數(shù)，可以對孔類零件進行較為準確的取舍判斷。該方法從根本上消除了人為因素帶來的誤差影響，測量精度高，速度快，穩(wěn)定性好，不僅可以用于孔類零件的檢測，也可以靈活有效地用于某些具有異形輪廓的零件尺寸的動態(tài)檢測，具有十分廣闊的應(yīng)用前途。

［1］賀雅琴，李琳．基于機器視覺的零件尺寸檢測的研究［J］．煤礦機械，2010，31（6）:102 －104．

［2］郝建軍，呂威，余永維．精密零件邊緣檢測［J］．四川兵工學(xué)報，2010，31（6）:64－66．

［3］郭紫貴，凡進軍．基于圖像處理的微小孔光學(xué)特征識別技術(shù)研究［J］．工具技術(shù)，2010，44（9）:102 －105．

［4］李海華，楊練根，王選擇．一種應(yīng)用標準刻線與CCD直接獲取運動位移的方法［J］．中國機械工程，2007，18（23）:2881 －2883．

［5］章毓晉．圖像處理和分析教程［M］．北京:人民郵電出版社，2009．